Prism提供了四个相关检验来比较三个或更多个组。您对检验的选择取决于这些选择：

实验设计

当数据列匹配时，选择一个重复测量检验。此处给出了一些示例：

•您在每名受试者身上测量几次变量，可能是在干预之前、期间和之后。

•您以匹配组方式招募受试者，匹配年龄、种族群和疾病严重程度等变量。

•您将多次运行一个实验室实验，每次并行处理多次治疗。由于您预期实验间存在变异性，您希望通过这种方式分析数据，即每个实验均被视为匹配的集合。

匹配不应以您正在比较的变量为基础。如果您正在比较三组的血压，则可以根据年龄或邮政编码进行匹配，但不能根据血压进行匹配。

“重复测量” 一词 在您对一名受试者反复进行治疗时严格适用（上述第一个示例）。另外两个示例称为 随机区组实验 （每组受试者称为一个区组，且您在每个区组内随机分配治疗）。重复测量和随机区组实验的分析相同，Prism总是使用“重复测量” 一词。

如果您采用完全随机设计，则选择“不匹配”。

假设高斯分布？

非参数检验，不同于方差分析，其并非基于数据是从高斯分布抽样的假设高斯分布。但非参数检验包括较低检验力，仅报告P值，但不报告置信区间。决定何时使用非参数检验并非可以直接确定。

如果不匹配：假设同质性？

常规方差分析F检验隐含的一条假设是方差的同质性。这意味着即使平均值不同，每一组均从具有相同方差（因此具有相同标准偏差）的群体中抽样得到。

从Prism 8开始，您可以选择是否假设相等的群体方差。如果您选择不做出该假设，则Prism执行两种替换形式的方差分析，并报告两种结果。两者 Welch方差分析 和 Brown - Forsythe方差分析 调整F比率和自由度的计算，以调整组内差异的异质性。可采用与方差分析表相同的方式来解读P值。

注：

•为什么使用这些特殊形式的方差分析，而不是使用非参数的Kruskal - Wallis检验？由于尽管Kruskal - Wallis检验并不假设数据从高斯分布中抽样得到，但其确实假设了分布的离散或扩散相同。

•作为这些检验的替代方案，考虑转换您的数据（对数、倒数等）并利用普通方差分析来分析转换后的值。

•该比较平均数的Brown - Forsythe检验不同于另一个比较方差的同样称为Brown - Forstyhe的检验。

如果重复测量：假设球形度？

球形概念

.球形度概念难以理解。简言之，这意味着您在两次治疗之间等待足够长的时间，以至于所有治疗效果均消除。如果您的数据并未重复测量，或者选择非参数检验，则该概念不相关。

对于每名受试者，从A列的值中减去B列的值，并计算该差异列表的标准偏差。现在，针对A列与C列之间的差异、B列与C列之间的差异等执行同样的操作。如果球形度假设正确，则所有这些标准偏差应具有相似的值，任何差异均由于偶然所造成。如果这些标准偏差之间存在较大的系统性差异，则球形度假设无效。

如何决定是否假设球形度

如果每一行数据代表一组匹配的观察结果，则没有理由怀疑球形度假设。有时将其称为随机区组实验设计。

如果每一行数据代表单名接受连续治疗的受试者，则有一个重复的测量实验设计。如果每名受试者的治疗顺序均随机确定，则球形度假设不太可能成为问题，因此一名受试者首先接受治疗A，然后接受治疗B，接着接受治疗C，而另一名受试者首先接受治疗B，然后接受治疗A，接着接受治疗C...但是，如果所有受试者均以相同顺序接受治疗，最好不要假设球形度。

如果您不确定，我们建议您不要假设球形度。

您的选择如何影响Prism的计算

如果您选择不假设球形度，则Prism将：

•当计算重复测量的方差分析 P值时，包括Geisser - Greenhouse修正。由此产生的P值将大于在未修正的情况下产生的P值。

•通过报告ε，量化球形度违反。

•多重比较检验的计算有所不同。

如果您要求Prism假设球形度，但事实上违反该假设，则方差分析P值将过低。因此，如果您不确定是否假设球形度，则我们建议您选中 不 假设球形度的选项。

 

检验总结